IoT und Big Data: Besonderheiten in der produktiven Symbiose

Mit dem Internet der Dinge (kurz IoT) wird eine ganze Reihe aller denkbaren Gegenstände (oder Dinge) und Branchen intelligenter: intelligente Häuser und Städte, intelligente Fertigungsmaschinen und Autos, vernetzte Gesundheit und mehr. Unzählige Dinge, die zum Sammeln und Austauschen von Daten befähigt sind, bilden ein völlig neues Netz - das Internet der Dinge - das Netzwerk von physischen Objekten, das Daten in der Cloud sammeln, sie übertragen und Aufgaben der Benutzer erfüllen kann.

IoT und Big Data sind auf dem Weg zu ihrer Stunde des Triumphs. Dennoch sind einige Besonderheiten und Fallstricke zu beachten, um von dieser Innovation zu profitieren. In diesem Blogbeitrag teilen wir gerne die Kenntnisse, die wir  bei der IoT-Entwicklung gesammelt haben.

Big Data & IoT: Wie lässt sich diese Kombination einsetzen? 

Es gibt verschiedene Möglichkeiten, Vorteile aus Big Data von IoT zu ziehen. Manchmal reicht es aus, eine schnelle Analyse durchzuführen, um wertvolle Ergebnisse zu erreichen. In anderen Fällen ist eine tiefere Datenverarbeitung erfoderlich.

Echtzeit-Überwachung. Big Data, das durch angeschlossene Geräte gesammelt wird, kann im Echtzeitbetrieb verwendet werden: die Temperatur zu Hause oder im Büro messen, körperliche Aktivitäten verfolgen (Schritte zählen, Bewegungen überwachen) und vieles mehr. Die Echtzeit-Überwachung wird im Gesundheitswesen stark genutzt (z.B. um Herzfrequenz, Blutdruck, Zucker zu messen). Es wird auch erfolgreich in der Produktion (zur Steuerung von Fertigungsmaschinen), Landwirtschaft (zur Überwachung von Rindern und Pflanzen) und in anderen Branchen eingesetzt.

Datenanalyse. Bei der Verarbeitung von IoT-generiertem Big Data besteht die Möglichkeit, über die Überwachung hinauszugehen und wertvolle Erkenntnisse aus diesen Daten zu gewinnen: Trends und Tendenzen zu erkennen, unvorhersehbare Muster aufzudecken und verborgene Informationen und Zusammenhänge zu finden.

Prozesskontrolle und -optimierung. Die von Sensoren gekommenen Daten liefern einen zusätzlichen Kontext, um nicht triviale Probleme aufzudecken, welche die Leistung beeinträchtigen, und um Prozesse zu optimieren.

• Verkehrsmanagement: Verfolgung der Verkehrsbelastung zu verschiedenen Zeitpunkten mit dem Ziel, Empfehlungen zur Verkehrsoptimierung zu erarbeiten (z. B. die Anzahl der Züge und Busse zu bestimmten Zeitpunkten zu erhöhen; empfehlen, ein neues Ampelsystem einzuführen und neue Straßen zu bauen, um den Verkehr in einigen Straßen zu entlasten und Verkehrsstaus zu verwalten).
• Einzelhandel: Wenn einige Waren in einem Einkaufsplatz fast zu Ende sind, werden die Mitarbeiter des Supermarkts darüber informiert, um zum Beispiel Regale mit Waren aufzufüllen.
• Landwirtschaft: Pflanzen gießen, wenn es laut Sensordaten notwendig ist.

Vorausschauende Wartung. Die Daten aus den vernetzten Geräten können eine zuverlässige Quelle für die Vorhersage von Risiken sein und proaktiv potenziell gefährliche Bedingungen identifizieren, zum Beispiel:

• Gesundheitswesen: den Patientenzustand überwachen und Risiken identifizieren (z. B. welche Patienten ein erhöhtes Diabetes-, Herzinfarkt-Risiko haben), um rechtzeitig Maßnahmen zu ergreifen.
• Produktion: Anlagenausfälle vorhersagen.

Nicht alle IoT-Lösungen benötigen Big Data. Es ist auch zu beachten, dass nicht alle IoT-Lösungen Big Data benötigen (wenn beispielsweise der Besitzer eines intelligenten Hauses das Licht über das Handy ausschaltet, kann dieser Vorgang ohne Big Data durchgeführt werden). Es ist wichtig, die Reduzierung von Anstrengungen bei der Verarbeitung dynamischer Daten in Betracht zu ziehen und die Speicherung von riesigen Datenmengen zu vermeiden, die in Zukunft nicht mehr benötigt werden.

Herausforderungen von Big Data in IoT

Riesige Datenmengen können völlig nutzlos sein, es sei denn, dass sie verarbeitet werden, um wertvolle Kenntnisse zu erhalten. Außerdem gibt es verschiedene Herausforderungen im Zusammenhang mit der Datenerfassung, -verarbeitung und -speicherung.

Zuverlässigkeit von Daten. Obwohl Big Data nie hundertprozentig genau ist, ist es wichtig, vor der Datenanalyse sicher zu sein, dass die Sensoren ordnungsgemäß funktionieren und die Qualität der zur Analyse bereitgestellten Daten zuverlässig und nicht durch verschiedene Faktoren beeinträchtigt ist (z.B. ungünstiges Umfeld, in dem Maschinen arbeiten, Ausfälle von Sensoren).

Welche Daten werden gespeichert. Vernetzte Dinge generieren Terabytes an Daten. Und es ist eine anspruchsvolle Aufgabe, zu entscheiden, welche Daten gespeichert und welche gelöscht werden sollen. Außerdem liegt der Wert einiger Daten nicht auf der Oberfläche: möglicherweise werden diese Daten in Zukunft benötigt. Und wenn Sie sich entschließen, bestimmte Daten für die Zukunft zu speichern, besteht die Herausforderung darin, das mit minimalen Kosten zu tun (weil die Datenspeicherung und -verarbeitung ziemlich teuer sind).

Analysetiefe. Da nicht alle Daten wichtig sind, erscheint eine weitere Herausforderung: Wann reicht es aus, mit eine schnelle Analyse durchzufähren und wann eine tiefere Analyse mehr Wert bringen kann?

Datensicherheit. Es gibt keinen Zweifel, dass vernetzte Dinge in verschiedenen Sektoren unser Leben verbessern können. Aber gleichzeitig gibt es sehr wichtige Bedenken hinsichtlich der Datensicherheit. Cyberkriminelle können einen Zugang zu Rechenzentren und Geräten erhalten, sich mit Verkehrssystemen, Kraftwerken, Fabriken anschließen und persönliche Daten bei Telekommunikationsanbietern stehlen. Big Data von IoT ist ein relativ neues Phänomen für Sicherheitsspezialisten, und der Mangel an relevanter Erfahrung erhöht die Sicherheitsrisiken.

Verarbeitung von Big Data in einer IoT-Lösung

Komponenten in einer IoT-Architektur bei der Datenverarbeitung können je nach Besonderheiten eingehender Daten, erwarteten Ergebnissen und anderen Aspekten variieren. Wir haben unseren eigenen Ansatz für die Verarbeitung von Big Data in IoT-Lösungen entwickelt.

Daten kommen von Sensoren, die mit Dingen angeschlossen sind. Als "Ding" kann buchstäblich jedes Objekt dienen: ein Ofen, ein Auto, ein Flugzeug, ein Gebäude, eine Industriemaschine, ein Rehabilitationsgerät. Die Daten werden entweder periodisch oder im Streaming erfassen. Letzteres ist von wesentlicher Bedeutung für die zeitnahe Verarbeitung und Verwaltung von Daten in Echtzeit.

Die Daten werden an Gateways gesendet, die eine anfängliche Datenfilterung und -vorverarbeitung gewährleisten und auf diese Weise eine Menge von Daten reduzieren, die an die nächsten Blöcke des IoT-Systems übertragen werden.

Edge Analytics. Vor einer tiefen Datenanalyse ist es sinnvoll, die Datenfilterung und -vorverarbeitung durchzuführen, um die für bestimmte Aufgaben benötigten relevanten Daten auszuwählen. In der Phase "Edge Analytics" werden erfasste Daten direkt an der IoT-Komponenten in Echtzeit analysiert, wodurch ein Mehrwert vor Ort schneller entsteht. Das ermöglicht, die Datenflut zu reduzieren und dadurch Zeit zu sparen.

Gateway in der Cloud ist notwendig für die grundlegende Protokollübersetzung und die Kommunikation zwischen verschiedenen Datenprotokollen. Es ermöglicht außerdem die Datenkomprimierung und sichere Datenübertragung zwischen einem Feld-Gateway und zentralen IoT-Servern.

Von vernetzten Geräten generierte Daten werden in ihrem ursprünglichen Format in einem Data Lake (wortwörtlich: „Datensee“) aufbewahrt. Rohdaten werden mit "Strömen" gesammelt und in dem Datensee gespeichert, bis sie für geschäftliche Zwecke genutzt werden können. Gereinigte und strukturierte Daten werden in ein Data Warehouse übertragen.

Maschinelles Lernen. Das maschinelle Lernmodul erzeugt Modelle basierend auf zuvor akkumulierten historischen Daten. Diese Modelle werden regelmäßig (z. B. einmal im Monat) mit neuen Datenströmen aktualisiert. Eingehende Daten werden gesammelt und für das Training und die Erstellung neuer Modelle verwendet. Wenn diese Modelle von Spezialisten getestet und genehmigt werden, können sie von einer Steuerungsanwendung verwendet werden, die als Reaktion auf neue Sensordaten Befehle oder Warnungen sendet.

Zusammenfassend

IoT generiert eine Menge von Big Data, die für Echtzeit-Überwachung, Analyse, Prozessoptimierung und vorausschauende Wartung verwendet werden kann. Es sollte jedoch berücksichtigt werden, dass es nicht eine triviale Aufgabe ist, wertvolle Erkenntnisse aus Big Data in verschiedenen Formaten zu erhalten: Sie müssen sicher sein, dass Sensoren ordnungsgemäß funktionieren, Daten sicher übertragen und effektiv verarbeitet werden. Darüber hinaus gibt es immer eine Frage: Welche Daten sind wert, gespeichert und verarbeitet zu werden (weil diese beiden Prozesse ziemlich teuer sind).

Trotz der oben genannten potenziellen Probleme sollte berücksichtigt werden, dass IoT an Dynamik gewinnt und den Unternehmen in verschiedenen Branchen neue digitale Möglichkeiten eröffnet.